蛋白质预测.pptVIP

蛋白质预测 Protein structure prediction:The holy grail of bioinformatics 一、蛋白质结构 规则的二级结构： 1) α螺旋： 最常见 每圈螺旋含有3.6AA，平均11AA 其它一些螺旋：310螺旋，π螺旋 2) β折叠: 平均6.5AA，可看成被 拉伸的α螺旋； 单股β折叠不稳定， 会形成β片层； 部分规则二级结构： 1）转角：β、γ、π转角 β转角对蛋白质的功能和进化有重要意义。 2） Ω环 3）无规卷曲 许多特殊的生物学功能都发生在无规卷曲或其他非规则的结构中。 3. 二级结构预测 蛋白质 序列： ↓ 二级结构： 二级结构预测 蛋白质 序列： 二级结构： 1）二级结构预测概述 蛋白质的二级结构预测的基本依据是： 每一段相邻的氨基酸残基具有形成一定二级结构的倾向。 二级结构预测问题是模式分类问题 二级结构预测的目标： 判断每一段中心的残基是否处于螺旋、折叠、无归卷曲（或其它状态）之一的二级结构态，即三态。 基本策略（1）相似序列→相似结构 基本策略（2）分类分析 α螺旋 2）二级结构预测的参数大体分为三代： 第一代是基于单个氨基酸残基统计分析 从有限的数据集中提取各种残基形成特定二级结构的倾向，以此作为二级结构预测的依据。 第二代预测方法是基于氨基酸片段的统计分析 统计的对象是氨基酸片段 片段体现了中心残基所处的环境 在预测中心残基的二级结构时，以残基在特定环境形成特定二级结构的倾向作为预测依据 第一代和第二代参数预测方法对三态预测的准确率一般都小于70% 第三代方法（考虑多条序列，综合算法） 运用长程信息和蛋白质序列的进化信息 准确度有了比较大的提高，一般能上70%。 （1）经验参数法 由Chou 和Fasman在70年代提出来 是一种基于单个氨基酸残基统计的经验预测方法。通过统计分析，获得的每个残基出现于特定二级结构构象的倾向性因子，进而利用这些倾向性因子预测蛋白质的二级结构。 例如：谷氨酸(Glu)主要出现在?螺旋中 天冬氨酸(Asp)和甘氨酸(Gly)主要分布在转角中 脯氨酸(Pro)也常出现在转角中，但是基本不会出现在? 螺旋中 一个氨基酸残基的构象倾向性因子定义为 Pi = Ai / Ti (i= ?,β, t) 式中下标 i 表示构象态 如?螺旋、β折叠、转角等； Ti 是所有被统计残基处于构象态 i 的比例； Ai 是第A种残基处于构象态 i 的比例； Pi 大于1表示该残基倾向于形成二级结构构象i， Pi小于1则表示倾向于形成其它构象。 发现关于二级结构的经验规则 基本思想是在序列中寻找规则二级结构的成核位点和终止位点。 扫描输入的氨基酸序列，利用一组规则发现可能成为特定二级结构成核区域的短序列，然后对于成核区域进行扩展，不断扩大成核区域，直到倾向性因子小于1.0为止。 规则： （i）α螺旋规则 （ii）β折叠规则 （iii）转角规则 (iv) 重叠规则　 （i）α螺旋规则　 沿蛋白质序列寻找α螺旋核 相邻的6个残基中如果有至少4个残基倾向于形成α螺旋，则认为是螺旋核。 从螺旋核向两端延伸 直至四肽片段的α螺旋倾向性因子的平均值{P?}1.0为止。 将螺旋两端各去掉3个残基 剩余部分若长于6个残基，而且{P?} 1.03，则预测为螺旋。 　 （ii）β折叠规则　 相邻6个残基中若有4个倾向于形成β折叠，则认为是折叠核。 折叠核向两端延伸直至4个残基的平均折叠倾向性因子{P?}1.0。 若延伸后的片段的{P?}1.05，则预测为β折叠。 （iii）转角规则　　 转角的模型为四肽 四肽片段 Pt 的平均值大于1.0，并且 Pt 的均值同时大于 P? 的均值以及 P? 的均值。 则可以预测这样连续的4个氨基酸形成转角。 (iv) 重叠规则　 　 对于螺旋和折叠的重叠区域，按{Pa}和{P?}的相对大小进行预测 若{Pa}大于{P?}，则预测为螺旋； 反之，预测为折叠。 (2) GOR方法 一种基于信息论和贝叶斯统计学的方法 GOR将蛋白质序列当作一连串的信息值来处理 GOR方法不仅考虑被预测位置本身氨基酸残基种类的影响，而且考虑相邻残基种类对该位置构象的影响。 两个事件S和R的条件概率P(S|R) 即在R发生的条件下，S发生的概率 定义信息为： 若S和R无关，则 I(S; R)=0 若R的发生有利于S的发生，则I(S; R)0 若R的发生不利于S的发生，则I